李晗，阿里妈妈精准定向技术部 高级技术专家

内容介绍

推荐业务是互联网内容提供商进行流量分配的核心业务，也是大数据和机器学习技术的典型应用场景。以电商环境为例，推荐技术的核心任务是要完成从全部海量商品库高效检索 TopK 相关商品给用户。为实现这一目标，推荐技术经历了以 Item-CF 为代表的基于统计启发式规则，到以内积模型为代表的向量检索技术的演进和发展。但当前基于内积检索的推荐技术虽然突破了全量候选集召回的天花板，一定程度引入深度模型优化推荐效率，但内积结构模型表达能力存在局限，无法利用更先进模型进一步提升推荐效果。如何在全库检索的基础上突破模型能力天花板，是下一代工业级推荐技术的可行性发展方向。

本次分享将会介绍阿里妈妈精准算法团队围绕全库检索 + 先进模型这一目标，自主提出的深度树匹配技术 Tree-based Deep Match（TDM）这一全新的推荐算法框架。我们将会详细讲述，在具体实现层面如何根据树结构提出兴趣概率最大堆模型，并由此推演出一整套采样、检索、建模的方法。此外我们会详细介绍深度树匹配技术一方面在广告业务上的应用成果和学术创新性探索，该工作也被收录到 KDD2018。与此同时，我们还将从下一代工业级推荐技术持续发展的视角，讲述围绕深度树匹配技术进一步发展的探索和思考。

内容大纲

1. 什么是推荐问题和推荐技术

2. 深度树匹配——下一代推荐技术的探索

3. 成为下一代推荐技术的核心挑战

4. 深度树匹配——下一代推荐技术探索的再思考